本报告系统测试了朴素贝叶斯模型及线性判别分析（LDA）、二次判别分析（QDA）在A股多因子选股中的应用。核心发现：朴素贝叶斯在沪深300和中证500成份内选股表现优异，年化超额收益率分别达7.69%和9.64%；线性判别分析在全A选股中效果最佳，年化超额收益率22.2%，信息比率3.49。报告详细介绍了月频滚动训练、基于时间序列的交叉验证方法，并对比了三种生成模型的优劣。适合量化研究员、金融工程师、投资经理及对AI选股感兴趣的投资者参考。
本报告系统测试了朴素贝叶斯模型及线性判别分析（LDA）、二次判别分析（QDA）在A股多因子选股中的应用。核心发现：朴素贝叶斯在沪深300和中证500成份内选股表现优异，年化超额收益率分别达7.69%和9.64%；线性判别分析在全A选股中效果最佳，年化超额收益率22.2%，信息比率3.49。报告详细介绍了月频滚动训练、基于时间序列的交叉验证方法，并对比了三种生成模型的优劣。适合量化研究员、金融工程师、投资经理及对AI选股感兴趣的投资者参考。
本报告系统测试了朴素贝叶斯模型及线性判别分析（LDA）、二次判别分析（QDA）在A股多因子选股中的应用。核心发现：朴素贝叶斯在沪深300和中证500成份内选股表现优异，年化超额收益率分别达7.69%和9.64%；线性判别分析在全A选股中效果最佳，年化超额收益率22.2%，信息比率3.49。报告详细介绍了月频滚动训练、基于时间序列的交叉验证方法，并对比了三种生成模型的优劣。适合量化研究员、金融工程师、投资经理及对AI选股感兴趣的投资者参考。核心数据:沪深300成份内选股年化超额7.69%;中证500成份内选股年化超额9.64%;全A选股线性判别分析年化超额22.2%。
本报告由华泰证券发布,发布于 2017 年。
覆盖 2017 年,全文约 27。
本报告免费查阅,登录资料宝后即可在线获取完整内容。
适合量化研究员、金融工程师、投资经理、金融科技从业者等读者参考。
重点分析了金融投资、年量化投资等议题。